Skearn预处理StandardScaler出现 ValueError 的错误

在用sklearn做机器学习的时候，我们经常要对数据进行预处理，而又经常使用标准化预处理数据，但是，使用StandardScaler有可能会出现ValueError 的错误。具体的错误如下面所示：

通过查看sklearn的帮助文档，发现：StandardScaler 能够接受 scipy.sparse 作为输入，只要参数 with_mean=False 被准确传入它的构造器。否则会出现 ValueError 的错误，因为默认的中心化会破坏稀疏性，并且经常会因为分配过多的内存而使执行崩溃。
然后，再查看fit_transform方法的帮助文档：
fit_transform(X, y=None, **fit_params)
参数：X : numpy array of shape [n_samples, n_features]
y : numpy array of shape [n_samples]
发现传入的numpy数组为一个二维的矩阵，如果是一维的数组，可以构造为二维的矩阵（自己的理解）。
接下来，就说怎么处理这种问题，其实也就是构造一个二维的矩阵，并只取第一列数据也就是样本y[n_samples]。

y_Standard = StandardScaler_y.fit_transform(y[:, None])[:,0]

这样就行了。

帮助文档：
http://sklearn.apachecn.org/cn/0.19.0/modules/generated/sklearn.preprocessing.StandardScaler.html#sklearn.preprocessing.StandardScaler

http://sklearn.apachecn.org/cn/0.19.0/modules/generated/sklearn.preprocessing.StandardScaler.html#sklearn.preprocessing.StandardScaler.fit_transform